此类属性有很多,有关详细信息,请访问regular-expressions.info 另一种选择是使用修饰符 Pattern.UNICODE_CHARACTER_CLASS 在Java 7中,有一个新属性Pattern.UNICODE_CHARACTER_CLASS,用于启用Unicode版本的预定义字符类see my answer here for some more details and links 你可以做这样的事
Pattern p = Pattern.compile("\\w+", Pattern.UNICODE_CHARACTER_CLASS);
5条答案
按热度按时间unhi4e5o1#
您要查找的是Unicode属性。
例如,
\p{L}
是任何语言的任何类型的字母所以匹配这样一个中文单词的正则表达式可能类似于
此类属性有很多,有关详细信息,请访问regular-expressions.info
另一种选择是使用修饰符
Pattern.UNICODE_CHARACTER_CLASS
在Java 7中,有一个新属性
Pattern.UNICODE_CHARACTER_CLASS
,用于启用Unicode版本的预定义字符类see my answer here for some more details and links你可以做这样的事
\w
将匹配任何语言的所有字母和所有数字(当然还有一些单词组合字符,如_
)。hpxqektj2#
为了解决NLS支持和避免接受英语特殊字符,我们可以使用以下模式...
[a-zA-Z0-9]*+
对于UTF码位引用:http://www.utf8-chartable.de/unicode-utf8-table.pl
代码片段:
zrfyljdw3#
要匹配单个字符,可以简单地将它们作为文字或通过
\u03FB
语法包含在字符类中。显然,您通常无法列出表意语言中所有允许的字符。为了使正则表达式根据Unicode字符的类型或代码块来处理它们,支持定义为here的各种其他转义。请查看“Unicode支持”一节,特别是对
Character
类和Unicode标准本身的引用。nhaq1z214#
char
类型char
类型隐式为UTF-16Unicode是通用字符集,UTF-8可以描述所有字符(包括控制字符、标点符号、符号、字母等)。您必须更具体地说明要包含和排除的内容。Java正则表达式使用
\p{category}
语法通过category匹配代码点。有关list的类别,请参阅Unicode standard。如果你想识别和分隔一系列表意文字中的单词,你需要看一个更复杂的API,我会从
BreakIterator
类型开始。vom3gejh5#
从Java9开始,你也可以使用
\X
来匹配任何Unicode扩展的字素簇。